GNSS-INS組合導(dǎo)航濾波算法研究.pdf

1、全球?qū)Ш蕉ㄎ幌到y(tǒng)（GNSS）與慣性導(dǎo)航系統(tǒng)（INS）進(jìn)行組合，將二者的優(yōu)勢進(jìn)行組合，能夠提供連續(xù)的、高精度的導(dǎo)航信息（位置、速度和姿態(tài)）。本文對GNSS/INS組合導(dǎo)航的濾波理論進(jìn)行了系統(tǒng)的研究，內(nèi)容重點(diǎn)涵蓋了慣性導(dǎo)航系統(tǒng)原理、GNSS/INS組合導(dǎo)航基本原理、GNSS定位模式和信號傳播相關(guān)的誤差分析、GNSS/DR組合導(dǎo)航濾波算法、GNSS/INS緊組合導(dǎo)航模式隨機(jī)模型誤差和函數(shù)模型誤差自適應(yīng)濾波算法、抗差濾波算法和依次抗差濾波算法研

2、究等。主要工作和研究成果概括如下：
　　（1）總結(jié)了GNSS/INS組合導(dǎo)航系統(tǒng)數(shù)據(jù)處理原理，分別介紹了INS導(dǎo)航、GNSS導(dǎo)航的基本原理以及對GNSS定位模式和信號傳播相關(guān)的誤差進(jìn)行了分析比較。
　?。?）介紹了標(biāo)準(zhǔn)卡爾曼濾波算法、自適應(yīng)卡爾曼濾波算法和抗差卡爾曼濾波算法模型的基本原理，并將擴(kuò)展卡爾曼濾波算法（EKF）、自適應(yīng)EKF算法和抗差EKF算法運(yùn)用于GPS/DR組合導(dǎo)航中并比較它們之間的不同點(diǎn)。
　　（3）針

3、對多傳感器觀測信息較多，計算效率低下，本文采用了一種基于馬氏距離建立的自適應(yīng)卡爾曼濾波算法。根據(jù)觀測值和預(yù)測值之間的差值建立馬氏距離，其中馬氏距離的平方值服從卡方分布。以馬氏距離的平方值作為判斷參數(shù)，利用統(tǒng)計學(xué)知識通過假設(shè)檢驗的方法探測模型誤差，并運(yùn)用牛頓迭代法建立的因子對模型誤差進(jìn)行調(diào)節(jié)，降低模型誤差影響。分別對GNSS/INS緊組合隨機(jī)模型誤差和函數(shù)模型誤差模擬并運(yùn)用本文提出的濾波算法進(jìn)行解算。結(jié)果表明，論文提出的濾波算法在保證計算

4、正確性的基礎(chǔ)上能夠提高計算效率。
　?。?）當(dāng)觀測值存在粗差時，運(yùn)用卡爾曼濾波算法進(jìn)行解算可能會出現(xiàn)濾波發(fā)散等問題。本文采用基于馬氏距離的抗差卡爾曼濾波算法，利用統(tǒng)計學(xué)知識通過假設(shè)檢驗的方法探測異常值，并運(yùn)用牛頓迭代法建立的的抗差因子對異常值進(jìn)行調(diào)節(jié)，從而降低異常值對動力學(xué)模型的影響。將該算法運(yùn)用在GNSS/INS緊組合中，結(jié)果表明，該算法具有較好的抵抗動力學(xué)模型誤差的效果，能夠有效消除動力學(xué)模型中的異常值。
　?。?）針對

5、觀測向量中存在多種類型的觀測元素時，如果簡單的運(yùn)用4中提到的抗差算法對動力學(xué)模型進(jìn)行統(tǒng)一調(diào)節(jié)通常會產(chǎn)生“納偽”和“去真”情況發(fā)生，對于該問題本文利用Cholesky分解對觀測噪聲矩陣R進(jìn)行分解，并將分解后各個觀測向量的觀測值與預(yù)測值的差值建立馬氏距離，通過假設(shè)檢驗的方法探測出是某個觀測向量存在粗差，并根據(jù)牛頓迭代的方法建立調(diào)節(jié)因子對各個觀測向量的權(quán)矩陣進(jìn)行調(diào)節(jié)，這樣會使粗差的探測和調(diào)節(jié)效果更好。該算法不僅能處理單個觀測元素或者某一類觀測